{"id":372240,"date":"2023-12-29T14:00:00","date_gmt":"2023-12-29T13:00:00","guid":{"rendered":"https:\/\/medizinonline.com\/lalgoritmo-aiuta-nella-diagnosi-della-pss\/"},"modified":"2023-12-29T14:00:10","modified_gmt":"2023-12-29T13:00:10","slug":"lalgoritmo-aiuta-nella-diagnosi-della-pss","status":"publish","type":"post","link":"https:\/\/medizinonline.com\/it\/lalgoritmo-aiuta-nella-diagnosi-della-pss\/","title":{"rendered":"L’algoritmo aiuta nella diagnosi della pSS"},"content":{"rendered":"\n

Il punteggio focale (FS) nelle biopsie delle ghiandole salivari minori labiali \u00e8 uno dei due criteri pi\u00f9 importanti (con la positivit\u00e0 anti-SSA) per la diagnosi della sindrome di Sj\u00f6gren primaria (pSS). Per ridurre i tassi di errore nella diagnostica, gli algoritmi di apprendimento profondo che utilizzano le reti neurali artificiali potrebbero essere utilizzati per supportare i patologi in futuro. <\/strong><\/p>\n\n\n\n

Secondo i criteri ACR\/EULAR per la pSS, la classificazione del focus score (FS) \u00e8 uno dei tre criteri di classificazione, ma richiede una competenza che non \u00e8 sempre disponibile nella pratica. Il 53% dei casi porta a una revisione della diagnosi quando viene valutata da esperti. <\/p>\n\n

L’ apprendimento<\/em> automatico coinvolge famiglie di algoritmi in grado di raccogliere una grande quantit\u00e0 di dati e di utilizzarli per prevedere qualcosa, ad esempio. L’apprendimento profondo \u00e8 un sottoinsieme di questo campo che si concentra su una sola famiglia di algoritmi ed \u00e8 chiamato “reti neurali profonde”, ha spiegato Louis Basseto, Scienta Lab, Dipartimento di Ricerca, Parigi, a titolo di introduzione [1]. <\/p>\n\n

L’apprendimento profondo viene gi\u00e0 utilizzato nella patologia medica, ad esempio nel cancro al seno, dove gi\u00e0 utilizza algoritmi per riconoscere le metastasi nei campioni di tessuto provenienti dai linfonodi in modo molto accurato e con prestazioni migliori rispetto ai patologi. “Il nostro gruppo ha anche dimostrato che l’apprendimento automatico pu\u00f2 essere utilizzato nell’artrite reumatoide per prevedere la risposta al metotrexato e agli inibitori del TNF”. Ora i ricercatori si sono posti il compito di applicare il deep learning alla sindrome di Sj\u00f6gren e di scoprire se pu\u00f2 aiutare nella categorizzazione del punteggio di attenzione e nella diagnosi di pSS?<\/p>\n\n

Apprendimento profondo basato sulle biopsie delle ghiandole salivari <\/h3>\n\n

A tal fine, hanno sviluppato due reti di apprendimento profondo utilizzando biopsie di ghiandole salivari labiali digitalizzate di pazienti per prevedere il punteggio focale (FS \u22651 o FS <1) e la diagnosi di sindrome di Sj\u00f6gren primaria basata solo sull’istologia (pSS+ o pSS-). Lo studio ha incluso 325 pazienti (145 dell’Universit\u00e0 di Parigi-Saclay, Ospedale Bic\u00eatre, 71 della Queen Mary University di Londra e 109 dell’Universit\u00e0 di Birmingham), utilizzando biopsie prelevate nella pratica clinica di routine. I partecipanti sono stati divisi in tre gruppi:<\/p>\n\n

    \n
  1. pSS e FS <1 (32%, sintomi di sicca)<\/li>\n\n\n\n
  2. pSS+ e FS \u22651 (47%)<\/li>\n\n\n\n
  3. pSS+ e FS <1 (21%)<\/li>\n<\/ol>\n\n

    Tutte le FS sono state precedentemente confermate da patologi e le diagnosi di pSS da esperti.<\/p>\n\n

    Una o pi\u00f9 immagini della biopsia vengono utilizzate per fare una previsione. Ciascuna immagine viene suddivisa in piastrelle e l’algoritmo assegna un punteggio di rischio a ciascuna di queste piastrelle in modo indipendente. Tutte queste informazioni vengono poi combinate per fare una previsione del punteggio di attenzione o della diagnosi, a seconda dell’algoritmo utilizzato. <\/p>\n\n

    “Utilizziamo due set di dati diversi”, ha spiegato Basseto: un set di formazione (70% dei pazienti) e un set di validazione (30% dei pazienti). I due insiemi contengono la stessa proporzione di classi positive e negative (pSS+\/pSS- o FS \u22651\/FS <1) und die verschiedenen Zentren, aus denen sich die Teilnehmer zusammensetzen, sind im Training und in der Validierung gemischt. Diese beiden Aufgaben nennt man \u00absemi-supervised learning\u00bb, also halb\u00fcberwachtes Lernen. \u00abDas ist der Schl\u00fcssel zum Verst\u00e4ndnis der Arbeit: Halb\u00fcberwachtes Lernen bedeutet, dass wir dem Modell im Training zwar Informationen geben \u2013 z.B. sagen wir ihm, wenn ein Patient einen FS>1. Tuttavia, non diciamo quali parti dell’imaging porterebbero un patologo a credere questo. Il modello lo determina dai dati stessi”. <\/p>\n\n

    Nuovi potenziali biomarcatori<\/h3>\n\n

    Le prestazioni dell’algoritmo sono state misurate utilizzando l’area sotto la curva ROC (AUROC). Per quanto riguarda il punteggio di focalizzazione (FS \u22651\/FS <1), l’algoritmo ha raggiunto un AUROC di 0,88. Il 77% delle previsioni positive erano in realt\u00e0 pazienti con un punteggio di focalizzazione \u22651. Nel caso del valore di predizione negativo, l’83 percento dei dati ha indicato correttamente che si trattava di un FS<1. Nel caso della previsione della diagnosi, l’AUROC era di 0,84. L’83% dei pazienti con una previsione positiva dell’algoritmo erano effettivamente positivi alla Sj\u00f6gren (pSS+) e il 67% dei pazienti con una previsione negativa erano effettivamente negativi alla Sj\u00f6gren (pSS-) (Tabella 1)<\/strong>.<\/p>\n

    \n
    \"\"<\/a><\/figure>\n<\/div>\n

    “Queste previsioni sono state fatte esclusivamente sulla base delle immagini. Non abbiamo detto all’algoritmo dove guardare per prendere la sua decisione – ma dopo l’addestramento, possiamo rivedere gli algoritmi per vedere su quale base hanno fatto le loro previsioni”. La scoperta dei ricercatori \u00e8 stata che l’algoritmo per il punteggio di focalizzazione ha identificato i focolai linfocitari per fare una previsione. (Fig. 1). <\/strong>Questo garantisce la spiegabilit\u00e0 e consente al patologo di confermare visivamente i risultati della predizione. Questo \u00e8 quindi rassicurante per la FS, dice Basseto, “ma ci\u00f2 che \u00e8 rassicurante per la FS \u00e8 molto eccitante per la diagnosi, in quanto potrebbe portare alla potenziale identificazione di nuovi biomarcatori istologici che sono di interesse solo per la popolazione pSS+ e FS<1)”. Questo aspetto \u00e8 di particolare interesse per il lavoro futuro del gruppo di ricerca.<\/p>\n

    \n
    \"\"<\/a><\/figure>\n<\/div>\n

    Messaggi da portare a casa<\/strong><\/p>\n\n

      \n
    • L’apprendimento profondo predice con precisione il punteggio di attenzione e la diagnosi di sindrome di Sj\u00f6gren primaria sulla base di biopsie di ghiandole salivari labiali.<\/li>\n\n\n\n
    • L’apprendimento profondo potrebbe potenzialmente ridurre il tasso di errore nella diagnosi di ~2,5 volte. Il tasso di errore dovuto al deep learning \u00e8 del 19,7% rispetto al 53% dei centri non esperti.<\/li>\n<\/ul>\n\n

      Prospettive:<\/em><\/p>\n\n

        \n
      • Sono necessarie ulteriori valutazioni cliniche per convalidare gli algoritmi nella pratica clinica reale.<\/li>\n\n\n\n
      • Ulteriore convalida su una coorte pi\u00f9 ampia.<\/li>\n\n\n\n
      • Il lavoro in corso mira a identificare nuovi biomarcatori istologici associati alla diagnosi di pSS.<\/li>\n<\/ul>\n\n

        Congresso: EULAR 2023<\/em><\/p>\n\n

        <\/p>\n\n

        Fonte:<\/p>\n\n

          \n
        1. Basseto L: Vortrag \u00abDeep Learning Accurately Predicts Focus Score and Diagnosis of Primary Sj\u00f6gren Syndrome using Labial Salivary Gland Biopsies\u00bb; EULAR 2023, Mailand, 2.6.2023 (online).<\/li>\n\n\n\n
        2. Basseto L: Scientific Abstract OP0232, EULAR 2023; doi: 10.1136\/annrheumdis-2023-eular.418.<\/li>\n<\/ol>\n\n

          <\/p>\n\n

          InFo RHEUMATOLOGIE 2023: 5(2): 20\u201321<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

          Il punteggio focale (FS) nelle biopsie delle ghiandole salivari minori labiali \u00e8 uno dei due criteri pi\u00f9 importanti (con la positivit\u00e0 anti-SSA) per la diagnosi della sindrome di Sj\u00f6gren primaria…<\/p>\n","protected":false},"author":7,"featured_media":372243,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","cat_1_feature_home_top":false,"cat_2_editor_pick":false,"csco_eyebrow_text":"Sindrome di Sj\u00f6gren","footnotes":""},"category":[11306,11433,11522,11494,11550],"tags":[51180,42485,18513,13713,67910,14121,73452,14127,73451,73454,73453],"powerkit_post_featured":[],"class_list":["post-372240","post","type-post","status-publish","format-standard","has-post-thumbnail","category-medicina-interna-generale","category-orl-it","category-rapporti-del-congresso","category-reumatologia-it","category-rx-it","tag-ai-it-2","tag-ai-it","tag-apprendimento-profondo","tag-biomarcatore","tag-biopsie-it-2","tag-diagnostica","tag-ghiandole-salivari-labiali","tag-intelligenza-artificiale","tag-pss-it","tag-reti-neurali","tag-sindrome-di-sjoegren-primaria","pmpro-has-access"],"acf":[],"publishpress_future_action":{"enabled":false,"date":"2026-04-26 04:10:57","action":"change-status","newStatus":"draft","terms":[],"taxonomy":"category","extraData":[]},"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"wpml_current_locale":"it_IT","wpml_translations":{"pt_PT":{"locale":"pt_PT","id":372245,"slug":"algoritmo-ajuda-no-diagnostico-da-esp","post_title":"Algoritmo ajuda no diagn\u00f3stico da ESP","href":"https:\/\/medizinonline.com\/pt-pt\/algoritmo-ajuda-no-diagnostico-da-esp\/"},"es_ES":{"locale":"es_ES","id":372251,"slug":"un-algoritmo-ayuda-en-el-diagnostico-del-ssp","post_title":"Un algoritmo ayuda en el diagn\u00f3stico del SSp","href":"https:\/\/medizinonline.com\/es\/un-algoritmo-ayuda-en-el-diagnostico-del-ssp\/"}},"_links":{"self":[{"href":"https:\/\/medizinonline.com\/it\/wp-json\/wp\/v2\/posts\/372240","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/medizinonline.com\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/medizinonline.com\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/it\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/it\/wp-json\/wp\/v2\/comments?post=372240"}],"version-history":[{"count":3,"href":"https:\/\/medizinonline.com\/it\/wp-json\/wp\/v2\/posts\/372240\/revisions"}],"predecessor-version":[{"id":373284,"href":"https:\/\/medizinonline.com\/it\/wp-json\/wp\/v2\/posts\/372240\/revisions\/373284"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/it\/wp-json\/wp\/v2\/media\/372243"}],"wp:attachment":[{"href":"https:\/\/medizinonline.com\/it\/wp-json\/wp\/v2\/media?parent=372240"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/medizinonline.com\/it\/wp-json\/wp\/v2\/category?post=372240"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/medizinonline.com\/it\/wp-json\/wp\/v2\/tags?post=372240"},{"taxonomy":"powerkit_post_featured","embeddable":true,"href":"https:\/\/medizinonline.com\/it\/wp-json\/wp\/v2\/powerkit_post_featured?post=372240"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}